尽管确定性优化理论与算法成功地应用在人们生产实践的各个领域,但由于检测技术的局限性,确定性优化模型中的许多参数取值或多或少带有误差,基于这些误差数据的优化决策,必然带来决策效果的下降。研究不确定条件下的优化决策问题,日益受到国内外的重视。根据不确定参量的数学描述不同,不确定性优化理论主要有随机规划、模糊规划和区间规划三种。 本文针对区间参数不确定稳态和动态优化问题,提出了相应的确定化数学描述形式,并应用主从式并行遗传算法求解确定化后的非线性规划问题,与此同时将其应用到某炼油厂的汽油调和问题。本文的主要研究工作包括: 1.提出了区间非线性稳态优化问题的确定化描述形式。该形式能够恰当地反映出决策者在追求最优值时所准备承担的风险程度,同时也能反映出决策者对不确定参数给目标函数造成偏差程度的不同要求。 2.提出了区间非线性动态优化问题的确定化描述形式,给出了不确定条件下决策满足路径约束可能性度量指标,分析了路径约束松弛程度的可行性问题,提出了求解路径约束满足度初始值的算法。 3.将区间非线性规划转化为确定化形式的极大极小问题后,采用了主从式并行遗传算法求解大规模非线性规划问题,并提出“应答式”策略解决从机间负荷忙闲不均衡问题。 4.提出了汽油调和问题的区间规划命题,应用本文提出的区间不确定优化算法,对某炼油厂的实际汽油调和问题进行了求解。与此同时,对比研究了在组分油辛烷值发生波动时,确定性调和方案与区间不确定调和方案的优化性能,结果表明:当组分油质量在一定范围内变动时,区间不确定调和策略具有较强的鲁棒性,在一定程度上能保证产品质量合格和较高的调和利润。 5.为提高非线性规划问题的求解性能,提出了一种新的求解非线性规划问题的混合遗传算法。该算法将具有良好全局搜索特性的遗传算法与局部寻优性能的序列线性规划方法相结合,当迭代点没有发生交叉和变异时,将目标函数和约束条件在迭代点处线性化,用线性规划算法对其进行寻优。